24、深度学习眼部疾病检测系统与高效胸部X光检查方法

深度学习眼部疾病检测系统与高效胸部X光检查方法

深度学习眼部疾病检测系统（ODDS）

在眼科疾病检测领域，利用深度学习技术开发智能检测系统具有重要意义。通过对多疾病筛查和检测相关文献的综合研究，设计了智能眼部疾病检测系统（ODDS），旨在通过神经网络对视网膜眼底图像进行分类，检测常见且可通过早期诊断预防的导致视力丧失的疾病。

1. 相关研究成果
   | 参考文献 | 检测疾病 | 数据集 | 使用的AI模型 | 显著结果 |
   | — | — | — | — | — |
   | [9] | 12种主要眼底疾病，包括糖尿病视网膜病变、年龄相关性黄斑变性等 | 56738张训练图像和8176张测试图像的数据集 | DL CNN - SeResNext50 | 与人类医生相比，灵敏度显著更高，但特异性较低 |
   | [10] | 29类46种眼部疾病 | 视网膜眼底多疾病图像数据集 - RFiMD（3200张图像） | 多疾病检测管道 - 预训练的DCNN和迁移学习，集成模型 | 疾病风险分类的AUROC为0.95，多标签评分的AUROC为0.7 |
   | [11] | 39种视网膜眼底疾病 | 来自异构源的249620张眼底图像 | 2级分层系统，包含3组CNN和Mask RCNN | F1分数：0.923，灵敏度：0.978，特异性：0.996，AUROC：0.9984 |
   | [12] | 青光眼、黄斑病变、病理性近视和色素性视网膜炎 | 250张视网膜眼底图像的数据集 | MobileNetV2和迁移学习 | 准确率：96.2%，灵敏度：90.4%，特异性：97.6% |
   | [13] |